齐次线性方程组的解集结构

小象实战讲义 · 人工智能数学基础

在求解线性方程组时，我们不仅关心解是否存在，更希望清晰地描述所有解构成的集合。对于齐次线性方程组 $A\mathbf{x} = \mathbf{0}$，其解集具有非常规整的代数结构——它是一个线性子空间。本节将揭示这一结构，并介绍如何通过寻找“基础解系”来完整刻画整个解空间，从而得到方程组的通解表达式。掌握这一方法，是理解线性系统解的理论核心，也是后续学习非齐次方程组、特征值问题的重要基础。

💡 核心导读

1. 解空间：齐次线性方程组 $A\mathbf{x} = \mathbf{0}$ 的所有解向量构成一个集合 $W$，它满足线性运算封闭性，是向量空间 $\mathbb{K}^n$ 的一个线性子空间，称为该方程组的解空间。
2. 基础解系：解空间 $W$ 的一组基，即 $W$ 中的一个极大线性无关向量组。方程组的所有解（即 $W$ 中的所有向量）都可以由这组基线性表出。
3. 解空间的维数：若系数矩阵 $A$ 的秩 $\text{rank}(A) = r$，则解空间 $W$ 的维数为 $\dim(W) = n - r$。基础解系恰好包含 $n - r$ 个线性无关的解向量。
4. 通解：若 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_{n-r}$ 是方程组的一个基础解系，则其通解（即所有解的表达式）为 $\mathbf{x} = k_1 \boldsymbol{\eta}_1 + k_2 \boldsymbol{\eta}_2 + \dots + k_{n-r} \boldsymbol{\eta}_{n-r}$，其中 $k_1, \dots, k_{n-r}$ 为任意常数。
5. 求解方法：通过高斯消元法将系数矩阵化为行最简形，确定自由未知量，通过令自由未知量分别取单位坐标向量，即可求得一组基础解系。

从解集到解空间

考虑数域 $\mathbb{K}$（通常为实数域 $\mathbb{R}$）上的 $n$ 元齐次线性方程组： $$A\mathbf{x} = \mathbf{0}$$ 其中 $A$ 是 $m \times n$ 矩阵，$\mathbf{x} = (x_1, x_2, \dots, x_n)^T$。

方程组的每一个解都是一个 $n$ 维向量，所有解构成的集合记为 $W$： $$W = \{ \mathbf{x} \in \mathbb{K}^n \mid A\mathbf{x} = \mathbf{0} \}$$

这个解集 $W$ 具有两个关键性质：

1. 加法封闭性：若 $\boldsymbol{\gamma}, \boldsymbol{\delta} \in W$，则 $\boldsymbol{\gamma} + \boldsymbol{\delta} \in W$。 验证：$A(\boldsymbol{\gamma} + \boldsymbol{\delta}) = A\boldsymbol{\gamma} + A\boldsymbol{\delta} = \mathbf{0} + \mathbf{0} = \mathbf{0}$。
2. 数乘封闭性：若 $\boldsymbol{\gamma} \in W$，$k \in \mathbb{K}$，则 $k\boldsymbol{\gamma} \in W$。 验证：$A(k\boldsymbol{\gamma}) = k(A\boldsymbol{\gamma}) = k\mathbf{0} = \mathbf{0}$。

定义（线性子空间）：设 $U$ 是向量空间 $\mathbb{K}^n$ 的一个非空子集。如果 $U$ 对向量的加法和数乘运算封闭（即满足上述两条性质），则称 $U$ 是 $\mathbb{K}^n$ 的一个线性子空间，简称子空间。

因此，齐次线性方程组的解集 $W$ 是 $\mathbb{K}^n$ 的一个子空间。我们特别称 $W$ 为该方程组的解空间。

基础解系与通解

解空间 $W$ 可能只包含零向量（当方程组只有零解时），也可能包含无穷多个向量（当方程组有非零解时）。为了清晰地描述整个无穷解集，我们需要找到解空间的一组“坐标架”。

定义（基础解系）：设齐次线性方程组 $A\mathbf{x} = \mathbf{0}$ 有非零解。如果解向量组 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_t$ 满足：

1. $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_t$ 线性无关；
2. 方程组的任意一个解 $\mathbf{x}$ 都可以由 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_t$ 线性表出， 则称 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_t$ 是方程组 $A\mathbf{x} = \mathbf{0}$ 的一个基础解系。

基础解系本质上就是解空间 $W$ 的一组基。根据基的定义，解空间 $W$ 中的任何向量（即方程组的任何解）都可以唯一地表示为基向量的线性组合。

定义（通解）：若 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_t$ 是齐次线性方程组 $A\mathbf{x} = \mathbf{0}$ 的一个基础解系，则其通解为： $$\mathbf{x} = k_1 \boldsymbol{\eta}_1 + k_2 \boldsymbol{\eta}_2 + \dots + k_t \boldsymbol{\eta}_t, \quad k_1, k_2, \dots, k_t \in \mathbb{K}$$ 其中 $k_1, k_2, \dots, k_t$ 为任意常数。通解表达了方程组的所有解。

如何求基础解系：理论与方法

一个自然的问题是：基础解系是否存在？如果存在，它包含多少个向量？又如何具体找到它们？

定理（基础解系的结构）：设 $n$ 元齐次线性方程组 $A\mathbf{x} = \mathbf{0}$ 的系数矩阵 $A$ 的秩 $\text{rank}(A) = r$。

1. 若 $r = n$，则方程组只有零解，解空间 $W = \{\mathbf{0}\}$，没有基础解系（或说基础解系包含 0 个向量）。
2. 若 $r < n$，则方程组有非零解，且解空间 $W$ 的维数为 $\dim(W) = n - r$。此时，基础解系存在，且任何一个基础解系都恰好包含 $n - r$ 个线性无关的解向量。

求解基础解系的标准步骤：

1. 化行最简形：对系数矩阵 $A$ 施行初等行变换，化为行最简形矩阵 $B$。
2. 确定自由未知量：根据行最简形 $B$，确定 $r$ 个主元（首非零元）所在的列，对应的未知量称为主变量；其余 $n-r$ 个未知量称为自由未知量（或自由变量）。
3. 写出一般解：将主变量用自由未知量线性表示，得到方程组的一般解表达式。
4. 构造基础解系：分别令自由未知量组取 $n-r$ 维单位坐标向量：
   • 第一次：令第一个自由未知量为 1，其余为 0。
   • 第二次：令第二个自由未知量为 1，其余为 0。
   • ……
   • 第 $n-r$ 次：令第 $n-r$ 个自由未知量为 1，其余为 0。 将每一组取值代入一般解，求出对应的主变量值，从而得到 $n-r$ 个解向量 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2, \dots, \boldsymbol{\eta}_{n-r}$。这组向量就是原方程组的一个基础解系。

原理剖析：自由未知量可以取任意值，它们张成了一个 $n-r$ 维的向量空间 $\mathbb{K}^{n-r}$。令其分别取单位坐标向量 $(1,0,\dots,0)^T, (0,1,\dots,0)^T, \dots$，相当于取了这个空间的一组标准基。由于主变量由自由未知量唯一确定，这样得到的 $n-r$ 个解向量自然线性无关，并且能线性表出自由未知量取任意组合时对应的解，从而构成了整个解空间的一组基。

实例演示

求下列齐次线性方程组的一个基础解系和通解。 $$\begin{cases} x_1 - 3x_2 + 5x_3 - 2x_4 = 0 \\ -2x_1 + x_2 - 3x_3 + x_4 = 0 \\ -x_1 - 7x_2 + 9x_3 - 4x_4 = 0 \end{cases}$$

解：

1. 写出系数矩阵并化简为行最简形： $$A = \begin{pmatrix} 1 & -3 & 5 & -2 \\ -2 & 1 & -3 & 1 \\ -1 & -7 & 9 & -4 \end{pmatrix} \xrightarrow{\text{初等行变换}} B = \begin{pmatrix} 1 & 0 & \frac{4}{5} & -\frac{1}{5} \\ 0 & 1 & -\frac{7}{5} & \frac{3}{5} \\ 0 & 0 & 0 & 0 \end{pmatrix}$$ 这里 $\text{rank}(A) = 2$，未知量个数 $n=4$。

2. 确定主变量与自由未知量：由 $B$ 可知，$x_1, x_2$ 是主变量，$x_3, x_4$ 是自由未知量。

3. 写出一般解：由 $B$ 对应的方程组： $$\begin{cases} x_1 + \frac{4}{5}x_3 - \frac{1}{5}x_4 = 0 \\ x_2 - \frac{7}{5}x_3 + \frac{3}{5}x_4 = 0 \end{cases}$$ 解得： $$\begin{cases} x_1 = -\frac{4}{5}x_3 + \frac{1}{5}x_4 \\ x_2 = \frac{7}{5}x_3 - \frac{3}{5}x_4 \end{cases}$$ 其中 $x_3, x_4$ 为自由未知量。

4. 求基础解系：自由未知量有 2 个 ($n-r=2$)，分别赋值。

   • 令 $(x_3, x_4)^T = (1, 0)^T$，代入一般解得 $(x_1, x_2)^T = (-\frac{4}{5}, \frac{7}{5})^T$，得解向量 $\boldsymbol{\eta}_1 = (-\frac{4}{5}, \frac{7}{5}, 1, 0)^T$。为消除分数，可乘以 5，取 $\boldsymbol{\eta}_1 = (-4, 7, 5, 0)^T$。
   • 令 $(x_3, x_4)^T = (0, 1)^T$，代入一般解得 $(x_1, x_2)^T = (\frac{1}{5}, -\frac{3}{5})^T$，得解向量 $\boldsymbol{\eta}_2 = (\frac{1}{5}, -\frac{3}{5}, 0, 1)^T$。乘以 5，取 $\boldsymbol{\eta}_2 = (1, -3, 0, 5)^T$。 则 $\boldsymbol{\eta}_1, \boldsymbol{\eta}_2$ 是方程组的一个基础解系。

5. 写出通解：方程组的通解为： $$\mathbf{x} = k_1 \boldsymbol{\eta}_1 + k_2 \boldsymbol{\eta}_2 = k_1 \begin{pmatrix} -4 \\ 7 \\ 5 \\ 0 \end{pmatrix} + k_2 \begin{pmatrix} 1 \\ -3 \\ 0 \\ 5 \end{pmatrix}, \quad k_1, k_2 \in \mathbb{R}$$

我们可以用 Python 验证求得的解向量确实满足原方程组。

import numpy as np

# 定义系数矩阵 A
A = np.array([[1, -3, 5, -2],
              [-2, 1, -3, 1],
              [-1, -7, 9, -4]], dtype=float)

# 定义求得的基础解系向量
eta1 = np.array([-4, 7, 5, 0])
eta2 = np.array([1, -3, 0, 5])

# 验证 eta1 和 eta2 是解
print("验证 A * eta1 是否为零向量：", np.dot(A, eta1))
print("验证 A * eta2 是否为零向量：", np.dot(A, eta2))

# 验证 eta1 和 eta2 线性无关
# 将它们作为列向量构成矩阵，求秩
V = np.column_stack((eta1, eta2))
print("基础解系向量构成的矩阵 V：\n", V)
print("矩阵 V 的秩（应为2）：", np.linalg.matrix_rank(V))

# 生成一个通解示例：取 k1=2, k2=-1
k1, k2 = 2, -1
x_example = k1 * eta1 + k2 * eta2
print(f"\n取 k1={k1}, k2={k2} 时的通解示例 x = {x_example}")
print("验证 A * x 是否为零向量：", np.dot(A, x_example))

📝 动手练一练

1. 求基础解系：求下列齐次线性方程组的一个基础解系和通解。 $$\begin{cases} 2x_1 + 4x_2 - x_3 + 2x_4 = 0 \\ x_1 + 2x_2 + x_3 + 3x_4 = 0 \\ 3x_1 + 6x_2 - 2x_3 + x_4 = 0 \end{cases}$$

   👉 点击查看参考答案

   参考答案： 对系数矩阵 $\begin{pmatrix}2&4&-1&2\\1&2&1&3\\3&6&-2&1\end{pmatrix}$ 作初等行变换：交换第一、二行后，$r_2-2r_1=(0,0,-3,-4)$，$r_3-3r_1=(0,0,-5,-8)$，再 $3r_3-5r_2=(0,0,0,-4)$，得 $\begin{pmatrix}1&2&1&3\\0&0&-3&-4\\0&0&0&-4\end{pmatrix}$，故 $\text{rank}(A)=3$（第 2 列与第 1 列成比例，但第 (1,3,4) 列构成的三阶子式非零）。 解空间维数为 $n-r=4-3=1$，基础解系只含 1 个向量。主变量为 $x_1, x_3, x_4$，自由未知量为 $x_2$。回代得 $x_4=0$，$x_3=0$，$x_1=-2x_2$。令 $x_2=1$，得基础解系 $\boldsymbol{\eta}_1 = (-2, 1, 0, 0)^T$，通解为 $\mathbf{x} = k_1\boldsymbol{\eta}_1$（$k_1 \in \mathbb{R}$）。 验证：将 $\boldsymbol{\eta}_1$ 代入三个方程分别得 $2\times(-2)+4\times1=0$、$-2+2=0$、$3\times(-2)+6\times1=0$（$x_3=x_4=0$，相关项自动为零），故 $\boldsymbol{\eta}_1$ 确为解。

2. 理解解空间维数：已知一个 5 元齐次线性方程组，其系数矩阵的秩为 3。请问其解空间的维数是多少？一个基础解系应包含多少个解向量？若已知该方程组有三个线性无关的解向量 $\boldsymbol{\alpha}, \boldsymbol{\beta}, \boldsymbol{\gamma}$，它们是否一定构成基础解系？

   参考答案： 解空间维数 $\dim(W) = n - r = 5 - 3 = 2$。基础解系应包含 2 个解向量。 三个线性无关的 5 维向量 $\boldsymbol{\alpha}, \boldsymbol{\beta}, \boldsymbol{\gamma}$ 不可能同时属于一个 2 维子空间（解空间）。因此，如果它们都是该方程组的解，则它们必定线性相关，不可能线性无关。所以，题目假设的情况不会发生。

本章小结

本节我们深入剖析了齐次线性方程组解集的代数结构，建立了从“解”到“空间”的深刻联系。

要点回顾：

• 解空间：齐次线性方程组 $A\mathbf{x}=\mathbf{0}$ 的所有解构成 $\mathbb{K}^n$ 的一个线性子空间 $W$。
• 基础解系：解空间 $W$ 的一组基，是 $W$ 中的一个极大线性无关解向量组。所有解均可由其线性表出。
• 核心定理：若 $\text{rank}(A)=r$，则 $\dim(W)=n-r$。基础解系恰含 $n-r$ 个向量。
• 通解公式：若 $\boldsymbol{\eta}_1, \dots, \boldsymbol{\eta}_{n-r}$ 是基础解系，则通解为 $\mathbf{x} = \sum_{i=1}^{n-r} k_i \boldsymbol{\eta}_i$。
• 求解步骤：化行最简形 → 定自由未知量 → 写一般解 → 赋单位向量得基础解系。

📋 行动清单

1. 掌握标准流程：面对一个具体齐次方程组，熟练运用“化简-赋值”四步法求出其基础解系与通解。
2. 理解维度关系：看到系数矩阵的秩 $r$ 和未知量个数 $n$，能立即反应出解空间的维数 $n-r$，并判断基础解系中向量的个数。
3. 尝试代码验证：使用 NumPy 实现求解基础解系的算法，或至少能用代码验证你手算得到的解向量是否正确满足原方程。

—— 小象教研组